基于机器视觉的红枣双面检测分级装置设计

基于新疆干制骏枣的外形尺寸、滑动摩擦角等物料特性,将骏枣人为定义成A、B两面;提出采用分步检测的分级机理利用两次检测实现红枣双面检测,并对其关键机构的结构设计依据进行简要阐述;指出利用物料本身滑动摩擦力结合吸振能力较好的材料,采用分步检测的机理,能够实现红枣及其他椭球形水果的单体化喂入、全表面呈现等功能。

基于机器视觉的白芍药材双面品质检测系统

为提高白芍品质检测的准确度和效率,提出一种基于机器视觉技术的双面白芍品质检测系统。通过镜面反射,系统对药材上下两面图像同时采集处理,以检测药材的品质。除对比分析单面和双面图像的识别效果外,还在YOLOv8s模型中引入Shuffle Attention注意力机制和Focal EIOU Loss损失函数优化算法。通过实验对比,白芍的单面识别平均精度均值为94.4%,双面识别的平均精度均值为92.8%,改进后的算法对双面白芍图像的识别平均精度均值达到99.3%,同时可避免样本不均衡引起的预测偏向性。实验结果验证了白芍药材双面品质检测系统的可行性和实用性。

芒果双面成熟度在线检测分级系统

芒果属于后熟水果,芒果成熟度分级可为芒果后熟、加工、包装、运输等工作提供便利条件。针对芒果形状不规则,难以对整个外观进行检测的问题,该文提出了一种基于迁移学习的芒果双面成熟度在线检测分级系统。通过上、下层输送带将芒果运输到图像采集区域,分别获取正、反面图像;2层输送带之间利用柔性翻面机构实现芒果无损翻面,通过压缩试验及ANSYS软件建模分析芒果承受挤压力范围。合并正、反2张图像并进行预处理,将数据以8:1.5:1.5的比例拆分为训练集、验证集、测试集,并用迁移学习方法在卷积神经网络模型进行芒果成熟度分级。使用卷积神经网络模型对芒果成熟度分级平均准确率达到96.72%,系统测定单个样品的平均耗时为0.16s,研究结果为芒果成熟度在线分级提供参考。

承压设备焊缝近表面区域检测

从JB/T4730标准要求出发,对标准中关于焊缝超声检测技术等级的要求进行了阐述和解释,对标准中关于双面检测的要求进行了分析,根据实际经验提出以多种单面检测法代替双面检测的方案。用测试试块进行检测试验验证替代方案的可行性。